基于离散曲波变换的图像去雾方法与流程

本发明涉及一种数字图像去雾的方法，特别是涉及一种基于离散曲波变换的图像去雾方法。

背景技术：
：

视觉辅助驾驶系统是采用车载摄像头捕获汽车四周的图像，然后进行图像拼接并在车载屏幕上显示的智能系统。和普通倒车影像系统相比，其核心在于车辆头部、侧面都安装了多个摄像头，通过车载显示屏幕可观看汽车四周的实时路况图像信息，了解车辆周边视线盲区，帮助汽车驾驶员更为直观、更为安全地停泊或驾驶车辆。

室外的天气情况复杂易变，诸如雾、霾等天气条件，空气中充斥着大量水滴和微小颗粒，这些悬浮物的衍射光线，导致摄像头采集的图像质量严重下降，极大地影响和限制了计算机视觉系统在室外环境的应用。从上世纪九十年代至今，人们不断研究图像去雾技术，在计算机视觉领域，图像去雾技术的研究也颇具成果。1952年Middleton对大气物理研究理论做出了总结，1975年McCartney提出了大气散射物理模型，这一模型为接下来的研究工作奠定了基础。直到1997年Cozman和Krotkov才应用该理论来计算图像场景深度信息。现如今国内外已经有越来越多的学者从事雾天降质图像相关领域的研究，雾天降质图像的复原和增强已经成为计算机视觉领域中重点的研究内容之一。

现阶段的图像去雾技术使雾霾天气条件下的图像恢复原本的色彩亮度和高对比度，但在图像的客观指标上，如信噪比和信息熵，无法保证较高水平，制约了视觉系统的应用范围。

技术实现要素：
：

发明目的：

本发明提供了一种基于离散曲波变换的图像去雾方法，能够对雾霾天气的交通图像进行高斯函数滤波，优化图像质量，缩短处理时间，通过改进的离散曲波变换，使图像的清晰度和对比度达到正常图像水平。

技术方案：

本发明是通过以下技术方案来实现的：

基于离散曲波变换的图像去雾方法，其特征在于：首先对数字图像进行滤波处理，缩短处理时间；对优化后的图像进行离散曲波变换，最后进行去雾处理；图像优化的具体步骤是：组合分离，估算出干扰物体的光分量，对数字图像进行高斯函数滤波。

所处理的图像为雾霾天气环境下采集的户外实时路面图像，针对采集的图像进行增强清晰化处理；

提高图像的对比度和信噪比，步骤如下：

(1)对图像进行优化，缩短处理时间：将摄像头采集的实时路面图像输入电脑中，对数字图像进行滤波处理，即根据色彩守恒理论把原始图像像素点分为入射分量和反射分量两部分，再通过高斯函数滤波得到反射分量部分；

1)根据色彩守恒理论对图像进行组合分离，图像设定由目标物体的反射光分量和干扰物体反射光分量两部分组成，如公式(1)所示：

Image(x,y)＝Goal(x,y)·Other(x,y) (1)；

公式中：Image(x,y)表示采集到的目标物体图像；Other(x,y)表示干扰物体的入射光，Goal(x,y)表示目标物体的反射光；

2)估算出干扰物的光分量Other(x,y)，干扰物体的反射光对目标物体的成像并无本质影响，只干扰最后的成像质量；

3)进行高斯函数滤波，如公式(2)所示：

Other(x,y)＝Gauss(x,y)*Image(x,y) (2)；

通过对数运算推导出目标物体光分量是：

logGual(x,y)＝logImage(x,y)-logOther(x,y) (3)；

(2)对步骤(1)中高斯函数滤波后的图像进行离散曲波变换，去除图像中雾霾干扰，具体步骤如下：

1)对图像进行离散曲波变换，时域坐标系下的f[t1,t2](0≤t1,t2≤n)为输入，离散曲波变换表达形式为：

2)图像去雾处理，为缩短处理时间，忽略比阈值小的系数的运算，只对比阈值大的系数重点变换，来实现图像的去雾；采用自动调整的阈值方法来确定曲波系数；

计算方法如下：

公式中Cur_o^D(l,m,n)为未处理前的曲波系数；Cur^D(l,m,n)为处理后的曲波系数；thr为曲波系数的阈值，通过曲波系数求出最终图像。

优点及效果：

本发明针对现阶段的主流图像去雾方法的不足，基于快速离散曲波变换理论的去雾方法，并通过改进，缩短了变换时间，使修复后图像达到较好的质量，发挥快速离散曲波变换在轮廓纹理和曲线结构上的优势，对图像中目标的轮廓边缘进行锐化，使目标在图像突出清晰，提高了图像的主观可视效果和客观参数。通过客观数据证明，与其他主流的去雾算法的效果相比，处理后的图像中目标轮廓明显，细节清楚，噪声明显减少，可以保障图像用于后期处理。使其处理后的图像边缘纹理更加清晰。

附图说明：

图1为摄像头采集到的雾霾天图像。

图2为图像组合分离原理图。

图3为高斯函数示意图；图3(a)为σ较大的高斯函数示意图，图3(b)为σ较小的高斯函数示意图。

图4为离散曲波变化分割示意图。

图5为去雾处理后图像。

具体实施方式：

本发明涉及一种基于离散曲波变换的图像去雾方法，特别是基于离散曲波变换并结合高斯函数滤波的图像去雾方法，

下面结合附图对本发明做进一步的说明：

本发明涉及一种基于离散曲波变换的图像去雾方法，特别是基于离散曲波变换并结合高斯函数滤波的图像去雾方法，处理图像为车辆搭载摄像头采集的实时路面图像，采集图像为户外，户外天气环境具有随机性和复杂性，针对雾霾天气环境下车载摄像头采集的图像进行增强清晰化处理，提高图像的对比度和信噪比，该方法步骤如下：

(1)对图像(如图1)进行滤波处理，缩短处理时间：将摄像头采集的实时路面图像输入电脑中，可通过软件对路面图像进行优化处理(优化处理是指：根据色彩守恒理论把原始图像像素点分为入射分量和反射分量两部分，再通过高斯函数滤波得到反射分量部分)。

1)对图像进行组合分离，图像可以设定由目标物体的反射光分量和干扰物体反射光分量两部分组成，原理如图2，如公式(1)所示：

Image(x,y)＝Goal(x,y)·Other(x,y) (1)；

公式中：Image(x,y)表示镜头采集到的目标物体图像；Other(x,y)表示干扰物体的入射光，Goal(x,y)表示目标物体的反射光。

2)估算出干扰物体的光分量Other(x,y)，理论认为，干扰物体的反射光对目标物体的成像并无本质影响，只干扰最后的成像质量；

3)进行高斯函数(图3)滤波，如公式(2)所示：

Other(x,y)＝Gauss(x,y)*Image(x,y) (2)；

通过对数运算推导出目标物体光分量是：

logGual(x,y)＝logImage(x,y)-logOther(x,y) (3)；

(2)对步骤(1)中高斯函数滤波后的图像进行离散曲波变换，去除图像中雾霾干扰，具体步骤如下：

1)对图像进行离散曲波变换，时域坐标系下的f[t1,t2](0≤t1,t2≤n)为输入，离散曲波变换表达形式为

公式中l，m，n分别表示尺度，方向，位置参数，表示曲波函数。如图4显示为离散曲波变换的示意图，参数尺度l＝6，角度m＝8。

2)图像去雾处理，根据快速离散曲波变换理论可知，变换后的曲波系数分布情况，系数较大的部分是图像的细节信息和线条轮廓，系数较小的部分是图像的空白和图像里的干扰信号。为了使运算时间进一步缩减，对曲波变换进行改进，对于比阈值小的系数，这部分系数对运算的结果影响不大，不能决定最后的像质量，所以为缩短处理时间，忽略比阈值小的系数的运算，只对比阈值大的系数重点变换，来实现图像的去雾。采用自动调整的阈值方法来确定曲波系数。计算方法如下：

公式中Cur_o^D(l,m,n)为未处理前的曲波系数；Cur^D(l,m,n)为处理后的曲波系数；thr为曲波系数的阈值，通过曲波系数求出最终图像，如图5所示图像为1200*800的雾霾图像，对图像进行高斯函数滤波后，对图形进行离散曲波变换，参数l＝6，m＝8，n＝5，曲波系数的阈值设为35，处理后的图像与原图图1对比，信噪比由10.180改善为20.980，改善明显。

对比处理前后图像的信噪比和信息熵等客观参数，证实基于离散曲波变换的图像去雾方法，对雾霾天气下的图像有明显的去除雾霾效果，得到的增强图像保留了较多的图像信息，图像清晰程度明显提升，提高了车载视觉系统的安全性。